#compute first differences of 1d array
from numpy import *
x = arange(10)
y = zeros(len(x))
for i in range(1,len(x)):
y[i] = x[i] - x[i-1]
print y
上面的代码是有效的,但一定有至少一种简单、Pythonic 的方法可以不使用 for 循环来完成。你有什么建议吗?
那么这样怎么样:
diff(x)
# array([1, 1, 1, 1, 1, 1, 1, 1, 1])
x = numpy.arange(10)
y = numpy.zeros(x.shape)
y[1:] = x[1:] - x[:-1]
print y
几个NumPy内置函数可以完成这项工作 - 特别是diff,ediff1d和gradient。
我认为在OP所描述的特定情况下,ediff1d是更好的选择 - 与其他两个不同,ediff1d实际上是针对这个特定用例进行指导/限制的 - 即沿着单个轴(或1D数组的轴)的一阶差异。
>>> import numpy as NP
>>> x = NP.random.randint(1, 10, 10)
>>> x
array([4, 6, 6, 8, 1, 2, 1, 1, 5, 4])
>>> NP.ediff1d(x)
array([ 2, 0, 2, -7, 1, -1, 0, 4, -1])
y = [item - x[i - 1] for i, item in enumerate(x[1:])]
enumerate()
是Pythonic的方式。此外,在这种情况下,列表推导式更易读。from numpy import *
)。它总是会导入比您需要的更多内容,并导致不必要的歧义。相反,只需import numpy
或导入您需要的内容,例如:from numpy import arange, zeros
arange()
的例子。 - Rafe Kettler